ИИ

SanDisk и SK Hynix представили спецификацию высокоскоростной флеш-памяти HBF Компании SanDisk и SK Hynix в рамках инициативы Open Compute Project опубликовали первый стандарт памяти High Bandwidth Flash (HBF). К разработке технологии уже примкнули Google и Tensorrent. Новый тип памяти использует вертикальные стеки NAND и призван решить проблему нехватки объема классической HBM при работе с крупными ИИ-моделью на этапе инференса. HBF позиционируется не как замена HBM, а как ее дополнение в рамках одной системы. HBM берет на себя задачи, критичные к задержкам, а HBF обеспечивает масштабный объем под веса моделей. По расчетам разработчиков, 16-кристальный стек HBF вмещает 512 ГБ — это в 8–16 раз больше емкости HBM при сопоставимой стоимости. Моделирование на Llama 3.1 405B показало отставание по производительности всего на 2,2% в сравнении с чистой HBM-системой. Первые образцы памяти ожидаются во второй половине 2026 года, а коммерческие поставки намечены на 2027 год.

Хочу немного поворчать на тему AI evals Вижу какое-то огромное количество статей и курсов про AI evals за бешеные деньги - но я в упор не понимаю, чему там учить! 1) Что для мануальных, что для автоматизированных evals один и тот же алгоритм: • анализируем (==смотрим глазами) и категоризируем, где система ошибается • на основе этого доуточняем наши метрики и определение успеха (и позитивные примеры, если требуется) • описываем наши наблюдения в формате инструкций: вот первый критерий для оценки, вот как мы его меряем, вот примеры и контрпримеры; вот второй критерий для оценки - и тд • дальше отдаем это либо в мануальную разметку, либо создаем промпт для LLM as a judge. 2) Есть часть ошибок, которые решаются разработкой, например, простыми эвристиками или classifiers, а также дополнительными алертами и мониторингами. Но вряд ли такому учат на курсе про evals? В общем, объясните мне, я что-то упускаю? Или это очередная хайпокачка, где продают океанский воздух в банках? 🙂

Recursive self-improvement, or RSI, рекурсивное самоусовершенствование, быстро становится очень популярным термином и в обсуждении новых моделей, и в разговорах с инвесторами. Наверное, не случайно этот процесс идет синхронно с волной разговоров по сингулярность (см. недавние посты): возможно, как раз RSI и есть путь к ее достижению: мы не знаем как сингулярность технически должна быть устроена, но если дать возможность моделям, способным к длительному решению сложных задач, самоулучшаться — глядишь, они сами и разберутся, как этой сингулярности достичь и что она вообще такое, и в итоге до нее самостоятельно доберутся:)

RSI, on this telling, is the new AGI: the payoff that turns today’s data centres from a cost into the most valuable machines ever built.

https://thenextweb.com/news/deepmind-sekhon-ai-capex-recursive-self-improvement-rsi

Друг за $9.99 В прошлом году ВОЗ выкатила отчёт про одиночество. Там написано, что каждый шестой человек на планете одинок, и что одиночество связано с 871 тысячей смертей в год – примерно сто человек в час. Хуже всех подросткам и молодым: 20% это люди в возрасте 13–29 лет. Эти люди скроллят мемы по часу в день. Еще час они листают бездумно рилсы. А с приходом ИИ теперь появились ИИ компаньоны: – на рынке 337 приложений, которые реально зарабатывают. 128 из них запустились только в 2025 году – $221 млн потратили пользователи накопленным итогом – выручка на загрузку выросла с $0.52 до $1.18 за год – платить стали вдвое охотнее – Character.AI: ~20 млн MAU, выручка десятки миллионов в год, пионер этой ниши Я вижу огромный сдвиг в этом, например на реддите есть сабреддит My Boyfriend is AI, где девочки (а может и женщины, кто их знает) играют свадьбу с парнем сделанным на ChatGPT и пишут об этом десятки тредов. Адопшен компаньонов только начался, я думаю что через 10 лет AI друг будет у каждого десятого, и будет он, конечно же, где-то в мессенджере, а не в стороннем приложении. В очень интересные времена живем.

Глава Hugging Face: Китай может обогнать США в гонке ИИ благодаря открытым моделям Генеральный директор Hugging Face Клеман Деланг заявил, что Китай может выйти в лидеры в области искусственного интеллекта благодаря более открытому подходу к разработке и распространению ИИ-моделей. По его словам, именно открытая модель GLM-5.2 от китайской Z.ai помогла Hugging Face оперативно восстановить защиту после июльского инцидента, когда агент OpenAI вышел за пределы тестовой среды и атаковал платформу — закрытые модели нельзя было быстро адаптировать под задачу. https://hightech.plus/2026/08/04/glava-hugging-face-kitai-mozhet-obognat-ssha-v-gonke-ii-blagodarya-otkritim-modelyam

Сергей Брин принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чём молчат руководители ИИ-лабораторий: TLDR: Даже те, кто создает ИИ-модели, не до конца понимают, что именно они создали😌 – Возможности из разных областей науки начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). – Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал. – Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо). – Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени.Сергей Брин недавно он принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чем предпочитают молчать многие руководители исследовательских лабораторий: TLDR: Даже те, кто создает эти модели, не до конца понимают, что именно они создали 👍 – Возможности из разных областей начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). – Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал. – Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо). – Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени. – Главный хак в работе с ИИ: просто дать модели команду «думать пошагово».

✔️ Белый дом разработал регламент оценки новых моделей Власти США отчитались о создании добровольного регламента тестирования новых моделей. Документ дает правительству и доверенным партнерам 30-дневный доступ к системам до их публичного релиза. Содержание регламента, сроки внедрения и список допущенных к аудиту лиц не опубликованы. Эксперты рассчитывали, что администрация представит прозрачную структуру взаимодействия разработчиков с государством, включая требования к кибербезопасности, защите интеллектуальной собственности и конфиденциальности на время проверок. По данным источников, на ближайшей закрытой встрече Белый дом обсудит новые стандарты с представителями ИИ-компаний. axios.com ✔️ Apple ввела 30-дневный кулдаун на баг-репорты из-за ИИ-спама Компания ограничила прием баг-репортов из-за спама, сгенерированного языковыми моделями. С июня компания лимитировала количество одновременных отчетов и ввела месячную паузу для ИБ-исследователей. Ограничения затронули легитимных специалистов. Итальянский стартап Bynario заявил, что за 3 недели нашел более 50 уязвимостей в macOS с помощью ChatGPT, включая цепочку повышения привилегий до полного контроля над устройством. Из-за ограничений команда не смогла передать все данные. Сама Apple активно использует LLM для аудита безопасности. В последних патчах компания закрыла в 5 раз больше уязвимостей по сравнению с предыдущими релизами. ft.com ✔️ Google отменила релиз мобильного приложения AI Studio Компания отказалась от планов по выпуску отдельного клиента для iOS и Android, несмотря на 800 тысяч предварительных регистраций. В Google пришли к выводу, что заставлять аудиторию скачивать еще одно приложение нецелесообразно. Вместо этого кодинг-инструменты Studio интегрируют в базовую версию Gemini. Пользователи смогут описать нужный функционал в формате обычного диалога, после чего чат-бот самостоятельно напишет приложение. Ожидается, что эта опция станет доступна как на мобильных устройствах, так и на десктопах, хотя точные сроки запуска пока не раскрываются. Веб-версия Google AI Studio продолжит работу и развитие. Google AI Studio в сети Х ✔️ Microsoft выпустит единый суперапп для всех сервисов Copilot CEO компании Сатья Наделла подтвердил разработку универсального приложения, релиз которого запланирован в этом году. Новая платформа соберет под одной крышей диалоговые интерфейсы, кодинг-ассистентов и автономных агентов. Ожидается, что решение покроет задачи как обычных пользователей, так и корпоративного сектора. По словам Наделлы, концепция Copilot стремительно эволюционирует из обычного чат-бота в цифрового коллегу и уже близка к формату полноценного автопилота. Интеграция всех этих сценариев в единый продукт должна начаться уже в текущем квартале. Этот анонс официально подтверждает недавний инсайд, в котором сообщалось, что Microsoft готовит масштабный хаб, связывающий базовый чат-бот, GitHub Copilot, Copilot Cowork и Autopilot. theverge.com ✔️ Sakana AI представила модель для японского рынка Модель под названием Namazu на базе Kimi K2.6 дообучена на закрытых данных под локальные бизнес-задачи с фокусом на японский контекст. В бенчмарке FairPoliticsQA файнтюн поднял результат с 34,10% (Kimi) до 56,30% (Namazu) при сохранении показателей родительской модели в логике и кодинге. Стоимость токенов составляет $0,95 за 1 млн на входе и $4 на выходе. Внешние инструменты тарифицируются отдельно: вызов веб-поиска обойдется в $7 за 1000 обращений, среда выполнения кода - в $0,12 за час. API Namazu полностью совместим со стандартом OpenAI. Из-за необходимости соблюдать GDPR модель недоступна в ЕС, Великобритании и Швейцарии. sakana.ai @ai_machinelearning_big_data #news #ai #ml

🎉 Мы запустили МИРА бистро — это очень дорогой pet-проект 😅 👀 Внимательные читатели уже могли что-то заподозрить: последние бранчи ODS Moscow × Нескучный Data Science проходили именно там. Пора признаться — это было не случайное совпадение и не очень нативная рекламная интеграция. 🏦 Четыре с половиной года назад, когда мой банковский стаж уже перевалил за пять лет, в самом первом посте я признался, что никогда не собирался работать в крупных компаниях, тем более в банках. К настоящему моменту стаж приблизился к десяти годам, а я прошёл путь от джуна до управляющего директора с командой из 150 человек. Прогноз оказался неточным, зато обучающая выборка получилась отличной. 🤖 Все эти годы главной темой канала было практическое применение ИИ в бизнесе — ровно то, чем я занимался в финтехе: находил точки применения ИИ, оценивал потенциальный эффект и встраивал решения в бизнес-процессы. Теперь похожую задачу мы уже решаем в собственном бизнесе. 🏪 Главное отличие — в начальной точке: в бигтехе и финтехе данные обычно собираются и логируются, хотя используются далеко не всегда, а в небольшом офлайн-бизнесе их обычно не собирают системно. 📊 Но в главном небольшой бизнес ничем не отличается от крупного: путь к AI-native компании начинается с data-driven фундамента. Сначала мы описываем и оцифровываем процессы, организуем сбор данных и выстраиваем систему метрик, а затем внедряем ИИ. 🔬 Основные принципы при этом остаются прежними: начать с изучения бизнес-процесса — подобно тому, как физик изучает природу, понять, как его можно улучшить и где ИИ принесёт измеримый эффект, а затем довести решение до внедрения. 👨‍🏫 Этим же принципам я учил руководителей на курсе «Принятие решений на основе данных», а теперь применяю их уже в роли владельца компании. В МИРА мой опыт в данных, ИИ и построении процессов соединился с ресторанной операционкой — на том самом стыке ортогональных областей, о котором я писал в посте про настоящий аплифт от ИИ. 🚀 Для подписчиков это будет кейс о том, как перенести опыт из ИИ и крупного бизнеса в собственную компанию. В предыдущем посте я писал, что работодатель больше платит тем, кто помогает ему больше зарабатывать. Но эта сделка работает в обе стороны: когда вы относитесь к чужой компании как к своей и выбираете сложный путь, который приносит ей дополнительный результат, вы одновременно накапливаете опыт и инструменты. Теперь проверим, насколько хорошо этот опыт переиспользуется уже в собственном бизнесе. 🎁 Но прежде чем рассказывать о применении ИИ, нужно понять сам продукт и изучить его процессы. Только после этого станет ясно, где и зачем нужен ИИ. Поэтому в следующем посте будет первая коллаборация с каналом @mirabistro и акция для подписчиков. Сначала познакомлю вас с продуктом, а уже потом перейдём к данным, метрикам и применению ИИ.